sports

用AI看懂体育比赛，一键提取球员位置和动作数据

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署计算机视觉 🍴 复刻 673 🐛 待处理 52 👀 关注 92

GitHub ↗

GitHub 星标 ★ 5488

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类计算机视觉

开发团队roboflow

GitHubhttps://github.com/roboflow/sports

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型computer-vision,deep-learning,deep-neural-networks,football,football-data,image-embeddings,keypoint-detection,object-detection,soccer,soccer-analytics,soccer-data,sports,sports-analytics,sports-data,tutorial,visualization

GitHub 星标★ 5488

上线时间2024-05-13 00:00:00

代码更新2026-08-28

仓库体积1.7 MB

本站数据更新2026-11-10

维护状态维护中

收录时间2026-08-10

浏览次数6

项目介绍

sports 是一个专注于计算机视觉在体育领域应用的开源项目，主要解决体育视频和图像中的目标检测、关键点检测、球员追踪、动作识别等问题。项目以足球为主要场景，提供了一套完整的工具链，包括数据预处理、模型训练、推理部署等环节。其核心能力包括基于深度神经网络的球员检测与追踪、球场关键点检测、比赛事件识别等，并支持自定义数据集扩展。项目采用 Python 编写，技术栈涵盖 object-detection、keypoint-detection、image-embeddings 等，适合研究人员和开发者快速构建体育分析系统。通过预训练模型和示例代码，降低了体育视觉任务的门槛，帮助用户从视频中提取结构化数据，用于战术分析、球员表现评估等场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 5488

技术标签

computer-vision deep-learning deep-neural-networks object-detection tutorial

使用教程

难度：入门约 10 分钟部署方式：库/依赖 3 步

环境要求

Python >= 3.8
已安装 pip
已安装 git（pip 通过 git+https 从 GitHub 拉取源码时需要）

安装与启动步骤

1检查 Python 版本

打开终端执行命令，确认版本号不低于 3.8，否则安装会失败。
```
python --version
```
2从源码安装

项目暂未发布 Python 包，README 要求用 pip 直接从 GitHub 仓库安装。
```
pip install git+https://github.com/roboflow/sports.git
```
3确认安装结果

查看已安装列表，确认存在来自 roboflow/sports 的安装项，即可开始使用仓库工具。
```
pip list
```